Databricksを活用してDELISH KITCHENのレシピレコメンドを開発した話

by Naoki Furuhama

Slide 1

Slide 1 text

Databricksを活用してDELISH KITCHENの  レシピレコメンドを開発した話  2024/04/05 データ基盤だけじゃない！   意外と知らないDatabricks活用方法LT @Naoki_Furuhama  

Slide 2

Slide 2 text

Copyright © 2015 every, Inc. All rights reserved. 2 自己紹介株式会社エブリー開発本部 CTO室 Data&AI データサイエンティスト古濵尚樹（Naoki Furuhama） 2022年香川大学工学研究科修了 2022年株式会社エブリー入社現在3年目。入社後は、新規事業のデータ基盤構築や、 Databricksを用いた ETLパイプラインの開発に従事。現在は、 DELISH KITCHENのレシピレコメンドの開発をメインで担当している。

Slide 3

Slide 3 text

3 Copyright © 2015 every, Inc. All rights reserved. 会社概要  会社名設立株式会社エブリー東京都港区六本木 3-2-1 住友不動産六本木グランドタワー 38F 133.3億円所在地 2015年9月1日（6月決算）累計調達主要株主 KDDI、伊藤忠食品、加藤産業、旭食品、セイノーホールディングス、味の素、 DCMベンチャーズ、グロービス・キャピタル・パートナーズ、 WiL、DBJキャピタル、 SMBCベンチャーキャピタル、 SBIインベストメント他エブリーは 3つの領域で日本最大級のメディアを運営！生活に寄り添ったサービスを提供しています。株式会社エブリー開発部 X @every_engineer 株式会社エブリー広報 X @every_pr

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

レシピレコメンド概要

Slide 9

Slide 9 text

9 Copyright © 2015 every, Inc. All rights reserved. 背景 ■ 日本最大級のレシピ動画サービス   ■ 「おいしい楽しい「食事」と「健康」をすべての人に」をミッションに毎日配信   ■ SNS/APP/WEBを通じて専門家監修の50,000本以上のレシピ動画を提供　  ユーザ数・レシピ数の増加とともにユーザ自らが好みのレシピを見つけることが困難 DELISH KITCHENではユーザの嗜好に寄り添ったアプリのパーソナライズに向けた開発をしていますレシピのレコメンド開発を担当

Slide 10

Slide 10 text

Slide 11

Slide 11 text

11 Copyright © 2015 every, Inc. All rights reserved. レシピレコメンドの全体構成全体構成 delta lakeにあるイベントログをデータソースとして、レコメンドするためのロジックを集計するそのレコメンド結果をdelta lakeに保存レコメンド結果をDelish ServerのRedisにデプロイし、アプリのリクエストに対して Serverがレシピを返す

Slide 12

Slide 12 text

Slide 13

Slide 13 text

13 Copyright © 2015 every, Inc. All rights reserved. 既存ロジックの課題動画を視聴をしないユーザもいる。ユーザの目的が動画の視聴することではなく、レシピを探しているため。このようなユーザには材料などが見れるレシピ詳細の表示ログをもとにレコメンドしたい。動画を視聴したからと言って興味があるレシピとは限らない複数のイベントログを組み合わせたい場合、ルールが複雑化レコメンドの精度を上げるためにルールが複雑化していくのは目に見えている。今回のケースで言えば、検索経由の視聴ログとレシピ詳細の表示ログを組み合わせたいなど。

Slide 14

Slide 14 text

14 Copyright © 2015 every, Inc. All rights reserved. 新規ロジック - 候補生成とリランキングによるアプローチ候補生成　大規模なユーザ x アイテムの組み合わせを全て扱わず、ユーザ一人当たりに対してレコメンド対象となる候補を生成するリランキング　ユーザの嗜好に合ったレシピをレコメンドするために、候補を並び替える https://storage.googleapis.com/pub-tools-public-publication-data/pdf/45530.pdf 候補生成とリランキングの2つのステージにわけてレコメンドする手法候補生成　　　→　spark.sqlで集計リランキング　→　ML

Slide 15

Slide 15 text

候補生成とリランキングの実装

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

18 Copyright © 2015 every, Inc. All rights reserved. リランキング（候補と特徴量）候補 ● 候補をfull outer joinして候補群を作成 ○ 検索経由の視聴 ○ レシピ詳細の表示 ● 候補群のuser x recipeからレコメンド検索経由の視聴レシピ詳細の表示候補群ユーザ行動特徴量 full outer join レシピの栄養素特徴量特徴量候補群特徴量 ● 候補群と各特徴量をleft joinして特徴量を作成 ● ユーザ行動 ○ 視聴秒数、タップログ等 ● レシピの栄養素 ○ カロリー、たんぱく質、脂質、糖質等 left join

Slide 19

Slide 19 text

19 Copyright © 2015 every, Inc. All rights reserved. 候補生成候補生成の仕組みをmodule化 ● 使い回しやすい 2-stage recommender systemのデザインパターンを考えて実装した話 Databricksのpython fileで切り出し ● Candidateクラス ● QueryGeneratorクラス ● Evaluatorクラス

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

23 Copyright © 2015 every, Inc. All rights reserved. まとめ弊社テックブログに詳細な話をまとめてます！ DELISH KITCHENのレシピのレコメンドに Two-stage Recommender Systemsを導入するまでの道のり https://tech.every.tv/entry/2024/03/27/160717 ● ユーザ数・レシピ数の増加に伴い、DELISH KITCHENではレシピのレコメンドを開発中 ● よりユーザの嗜好に寄り添ったレコメンドを実現するために、ルールベースから候補生成とリランキングによるレコメンドを実装・検証した ● A/Bテストしたところ、クリック率の改善がみられた

Slide 24

Slide 24 text

Copyright © 2015 every, Inc. All rights reserved. 24 エブリーからのお知らせ一緒にサービスを作る仲間を大募集中です！ 🔍 エブリー採用 https://corp.every.tv/recruits ● エンジニアリングブログもやってます ● エブリー公式採用オウンドメディア「every.thing」はこちら https://tech.every.tv/ https://everything.every.tv/

Slide 25

Slide 25 text

No content